zoukankan
html css js c++ java
机器学习中文教程
介绍
sklearn (scikit-learn) 是基于 Python 语言的机器学习工具
简单高效的数据挖掘和数据分析工具
可供大家在各种环境中重复使用
建立在 NumPy ,SciPy 和 matplotlib 上
开源,可商业使用 - BSD许可证
目录
安装 scikit-learn
用户指南
1. 监督学习
1.1. 广义线性模型
1.2. 线性和二次判别分析
1.3. 内核岭回归
1.4. 支持向量机
1.5. 随机梯度下降
1.6. 最近邻
1.7. 高斯过程
1.8. 交叉分解
1.9. 朴素贝叶斯
1.10. 决策树
1.11. 集成方法
1.12. 多类和多标签算法
1.13. 特征选择
1.14. 半监督学习
1.15. 等式回归
1.16. 概率校准
1.17. 神经网络模型(有监督)
2. 无监督学习
2.1. 高斯混合模型
2.2. 流形学习
2.3. 聚类
2.4. 双聚类
2.5. 分解成分中的信号(矩阵分解问题)
2.6. 协方差估计
2.7. 新奇和异常值检测
2.8. 密度估计
2.9. 神经网络模型(无监督)
3. 模型选择和评估
3.1. 交叉验证:评估估算器的表现
3.2. 调整估计器的超参数
3.3. 模型评估: 量化预测的质量
3.4. 模型持久化
3.5. 验证曲线: 绘制分数以评估模型
4. 检验
4.1. 部分依赖图
5. 数据集转换
5.1. Pipeline(管道)和 FeatureUnion(特征联合): 合并的评估器
5.2. 特征提取
5.3 预处理数据
5.4 缺失值插补
5.5. 无监督降维
5.6. 随机投影
5.7. 内核近似
5.8. 成对的矩阵, 类别和核函数
5.9. 预测目标 (
y
) 的转换
6. 数据集加载工具
6.1. 通用数据集 API
6.2. 玩具数据集
6.3 真实世界中的数据集
6.4. 样本生成器
6.5. 加载其他数据集
7. 使用scikit-learn计算
7.1. 大规模计算的策略: 更大量的数据
7.2. 计算性能
7.3. 并行性、资源管理和配置
教程
使用 scikit-learn 介绍机器学习
关于科学数据处理的统计学习教程
机器学习: scikit-learn 中的设置以及预估对象
监督学习:从高维观察预测输出变量
模型选择:选择估计量及其参数
无监督学习: 寻求数据表示
把它们放在一起
寻求帮助
处理文本数据
选择正确的评估器(estimator.md)
外部资源,视频和谈话
API 参考
常见问题
时光轴
谁不是孤身一人,翻山越岭
查看全文
相关阅读:
linux c/c++ 获取文件大小
android 打开各种文件(setDataAndType)
Android framework系统默认设置修改
android的 root权限
[Power]待机电流问题,如何查找wakelock
Android.mk for your own module
通过adb 发送广播
ubuntu下minicom的安装及使用
ubuntu 下使用 putty 调试
Android平台Overlay机制
原文地址:https://www.cnblogs.com/hasz/p/12977580.html
最新文章
Storm 集群
EOJ2018.10 月赛(B 数学+思维题)
EOJ2018.10 月赛(A 数学+思维题)
hdu 3966(树链剖分+线段树区间更新)
树链剖分
差分数组
Codeforces Round #419 (Div. 2)(B)差分数组
洛谷 P1083 借教室
2018.9南京网络预选赛(J)
2018.9南京网络预选赛
热门文章
spoj QTREE
8.String to Integer (atoi)
7.Reverse Integer
6.ZigZag Conversion
5.Longest Palindromic Substring
4.Median of Two Sorted Arrays
3.Longest Substring Without Repeating Characters
2.Add Two Numbers
1.Two Sum
linux c/c++ 删除文件
Copyright © 2011-2022 走看看